Mục tiêu của bài giảng Đánh giá sự liên quan (Evaluating Associations) là nhằm giúp cho các bạn hiểu được khái niệm về giá trị và sự liên quan thống kê; các giải thích khác/có thể sự liên quan thống kê; phân biệt các dạng sai lệch hệ thống quan trọng trong các nghiên cứu; phân biệt giá trị bên trong và giá trị bên ngoài. | ĐÁNH GIÁ SỰ LIÊN QUAN Evaluating Associations Lê hoàng Ninh Mục tiêu: Hiểu khái niệm : giá trị và sự liên quan thống kê . Hiểu các giải thích khác/ có thể sự liên quan thống kê: --- Chance ( cơ hội) --- Bias ( sai lệch hệ thống) --- Confounding ( làm nhiễu) Phân biệt các dạng sai lệch hệ thống quan trọng trong các nghiên cứu. Phân biệt giá trị bên trong và giá trị bên ngoài. Hiểu khái niệm về nhiễu và phương pháp đánh giá, kiểm soát chúng Hiểu các hướng dẫn đánh giá sự liên quan nguyên nhân trong dịch tễ Đánh giá sự liên quan khi chúng ta thấy có sự liên quan cần xem xét: 1. Có giá trị không? (kết quả nghiên cứu có phán ánh sự liên quan thật sự không giữa bệnh tật và tiếp xúc? ) 2. Có là sư liên quan nguyên nhân không? (có bằng chứng đủ để cho rằng có sự liên quan nguyên nhân giữa tiếp xúc và bệnh tật không?) Evaluating Associations Đánh giá tính giá trị của sự liên quan: gồm ít nhất 3 giải thích khác có thể của kết quả nghiên cứu: 1. CHANCE ( cơ hội) 2. BIAS ( sai lệch hệ thống) 3. CONFOUNDING ( làm nhiễu) CHANCE Hiếm khi nghiên cứu trên toàn bộ dân số nên suy diễn từ mẫu lên quần thể 2. Luôn luôn có sự thay đổi kết quả từ mẫu nầy tới mẫu khác 3. Nói chung, mẫu nhỏ thì kém chính xác, tin cậy, và lực thống kê (more sampling variability) “Sự may mắn lấy mẫu” CHANCE 4. Một test “statistical significance” được thực hiện để đánh giá mức độ mà bộ dữ liệu so sánh với Giả thuyết H0 (không liên quan) 5. The “p-value” phản ánh xác suất mà test thống kê như t-statistic or chi- square statistic) có được từ dữ liệu thì lớn hơn hay bằng với trị số quan sát được theo gỉa thuyết Ho. CƠ HỘI 6. Theo thông lệ, Nếu p < , thì sự liên quan giữa tiếp xúc và bệnh tật được xem như là to be “statistically significant.” (loại giả thuyết null hypothesis (H0) và chấp nhận giả thuyết (H1) What does p < mean? Nó có nghĩa là chúng ta nghi ngờ rằng độ lớn của hệ quả quan sát được(như risk ratio) thì không do một mình cơ hội(thu thập hay phân tích dữ liệu không sai lệch) CƠ HỘI Example: . | ĐÁNH GIÁ SỰ LIÊN QUAN Evaluating Associations Lê hoàng Ninh Mục tiêu: Hiểu khái niệm : giá trị và sự liên quan thống kê . Hiểu các giải thích khác/ có thể sự liên quan thống kê: --- Chance ( cơ hội) --- Bias ( sai lệch hệ thống) --- Confounding ( làm nhiễu) Phân biệt các dạng sai lệch hệ thống quan trọng trong các nghiên cứu. Phân biệt giá trị bên trong và giá trị bên ngoài. Hiểu khái niệm về nhiễu và phương pháp đánh giá, kiểm soát chúng Hiểu các hướng dẫn đánh giá sự liên quan nguyên nhân trong dịch tễ Đánh giá sự liên quan khi chúng ta thấy có sự liên quan cần xem xét: 1. Có giá trị không? (kết quả nghiên cứu có phán ánh sự liên quan thật sự không giữa bệnh tật và tiếp xúc? ) 2. Có là sư liên quan nguyên nhân không? (có bằng chứng đủ để cho rằng có sự liên quan nguyên nhân giữa tiếp xúc và bệnh tật không?) Evaluating Associations Đánh giá tính giá trị của sự liên quan: gồm ít nhất 3 giải thích khác có thể của kết quả nghiên cứu: 1. CHANCE ( cơ hội) 2. BIAS ( sai lệch hệ thống) 3. .
